Link to this sectionDescripción general de los datasets de seguimiento multiobjeto#

El seguimiento multiobjeto es un componente fundamental en el análisis de vídeo que identifica objetos y mantiene identificadores únicos para cada objeto detectado a través de los fotogramas del vídeo. Ultralytics YOLO ofrece potentes capacidades de seguimiento que pueden aplicarse a diversos ámbitos, como la vigilancia, el análisis deportivo y la monitorización del tráfico.

Link to this sectionFormato de dataset (próximamente)#

El seguimiento de Ultralytics reutiliza actualmente modelos de detección, segmentación o pose sin necesidad de un entrenamiento específico para el rastreador. La compatibilidad nativa con el entrenamiento de rastreadores está en fase de desarrollo activo.

Link to this sectionRastreadores disponibles#

Ultralytics YOLO es compatible con los siguientes algoritmos de seguimiento:

• BoT-SORT - Utiliza botsort.yaml para habilitar este rastreador (predeterminado)
• ByteTrack - Utiliza bytetrack.yaml para habilitar este rastreador
• OC-SORT - Utiliza ocsort.yaml para habilitar este rastreador
• Deep OC-SORT - Utiliza deepocsort.yaml para habilitar este rastreador
• FastTracker - Utiliza fasttrack.yaml para habilitar este rastreador
• TrackTrack - Utiliza tracktrack.yaml para habilitar este rastreador

Link to this sectionUso#

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.1, iou=0.7, show=True)

Link to this sectionPersistencia de seguimientos entre fotogramas#

Para un seguimiento continuo a través de los fotogramas del vídeo, puedes utilizar el parámetro persist=True:

import cv2

from ultralytics import YOLO

# Load the YOLO model
model = YOLO("yolo26n.pt")

# Open the video file
cap = cv2.VideoCapture("path/to/video.mp4")

while cap.isOpened():
    success, frame = cap.read()
    if success:
        # Run tracking with persistence between frames
        results = model.track(frame, persist=True)

        # Visualize the results
        annotated_frame = results[0].plot()
        cv2.imshow("Tracking", annotated_frame)

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

cap.release()
cv2.destroyAllWindows()

Link to this sectionFAQ#

Link to this section¿Cómo utilizo el seguimiento multiobjeto con Ultralytics YOLO?#

Para utilizar el seguimiento multiobjeto con Ultralytics YOLO, puedes empezar empleando los ejemplos de Python o CLI proporcionados. Así es como puedes empezar:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # Load the YOLO26 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.1, iou=0.7, show=True)

Estos comandos cargan el modelo YOLO26 y lo utilizan para realizar el seguimiento de objetos en la fuente de vídeo indicada con unos umbrales específicos de confianza (conf) y Intersection over Union (iou). Para más detalles, consulta la documentación del modo de seguimiento.

Link to this section¿Cuáles son las próximas funciones para el entrenamiento de rastreadores en Ultralytics?#

Ultralytics mejora continuamente sus modelos de IA. Una próxima función permitirá el entrenamiento de rastreadores independientes. Hasta entonces, el detector multiobjeto aprovecha modelos preentrenados de detección, segmentación o pose para el seguimiento sin requerir un entrenamiento independiente. Mantente al día siguiendo nuestro blog.

Link to this section¿Por qué debería utilizar Ultralytics YOLO para el seguimiento multiobjeto?#

Ultralytics YOLO es un modelo de object detection de vanguardia conocido por su rendimiento en tiempo real y su alta accuracy. Utilizar YOLO para el seguimiento multiobjeto ofrece varias ventajas:

• Seguimiento en tiempo real: Consigue un seguimiento eficiente y de alta velocidad, ideal para entornos dinámicos.
• Flexibilidad con modelos preentrenados: No necesitas entrenar desde cero; simplemente utiliza modelos preentrenados de detección, segmentación o Pose.
• Facilidad de uso: La integración sencilla de la API tanto con Python como con la CLI hace que la configuración de los pipelines de seguimiento sea directa.
• Documentación extensa y apoyo de la comunidad: Ultralytics proporciona una documentación exhaustiva y un foro comunitario activo para solucionar problemas y mejorar tus modelos de seguimiento.

Para más detalles sobre la configuración y el uso de YOLO para el seguimiento, visita nuestra guía de uso de seguimiento.

Link to this section¿Puedo utilizar datasets personalizados para el seguimiento multiobjeto con Ultralytics YOLO?#

Sí, puedes utilizar datasets personalizados para el seguimiento multiobjeto con Ultralytics YOLO. Aunque la compatibilidad con el entrenamiento de rastreadores independientes es una función futura, ya puedes utilizar modelos preentrenados en tus propios datasets. Prepara tus datasets en el formato adecuado compatible con YOLO y sigue la documentación para integrarlos.

Link to this section¿Cómo interpreto los resultados del modelo de seguimiento de Ultralytics YOLO?#

Tras ejecutar una tarea de seguimiento con Ultralytics YOLO, los resultados incluyen varios puntos de datos, como los identificadores de los objetos rastreados, sus cuadros delimitadores (bounding boxes) y las puntuaciones de confianza. Aquí tienes una breve descripción de cómo interpretar estos resultados:

• Identificadores rastreados (Tracked IDs): A cada objeto se le asigna un identificador único, lo que ayuda a realizar su seguimiento a través de los fotogramas.
• Cuadros delimitadores (Bounding boxes): Indican la ubicación de los objetos rastreados dentro del fotograma.
• Puntuaciones de confianza (Confidence scores): Reflejan la confianza del modelo en la detección del objeto rastreado.

Para obtener una guía detallada sobre la interpretación y visualización de estos resultados, consulta la guía de manejo de resultados.

Link to this section¿Cómo puedo personalizar la configuración del rastreador?#

Puedes personalizar el rastreador creando una versión modificada del archivo de configuración del rastreador. Copia un archivo de configuración de rastreador existente desde ultralytics/cfg/trackers, modifica los parámetros según sea necesario y especifica este archivo al ejecutar el rastreador:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")